学习日报 20250921｜LoadingCache

一條狗2025-09-26 16:06

LoadingCache 是 Google Guava 库中的一个接口，它提供了一种方便的方式来管理缓存，具备自动加载缓存值的功能。以下从 5W2H 的角度来详细介绍它：

1. What（是什么）

LoadingCache 是一个接口，属于 Google Guava 库中的缓存工具类。它扩展自Cache接口， 允许在请求缓存值不存在时，自动通过指定的加载函数来加载并缓存这个值。比如在电商系统中，频繁获取商品详情信息，就可以使用 LoadingCache，当缓存中没有该商品详情时，自动从数据库加载并缓存，下次请求时直接从缓存获取，提升查询效率。

2. Why（为什么要用）

  • 提升性能：减少对数据库、远程服务等后端数据源的频繁访问，对于热点数据，直接从内存缓存中获取数据，响应速度快，极大地提升了系统整体性能 。例如在新闻资讯平台中，热门新闻的详情数据，通过 LoadingCache 缓存后，用户请求时可以快速返回，降低响应时间。
  • 降低资源消耗：减少对数据库连接、网络请求等资源的占用，降低后端系统的负载。比如在高并发的秒杀系统中，大量用户请求商品信息，利用 LoadingCache 缓存商品库存、价格等信息，能有效减少数据库的压力 。

3. Who（谁用）

  • Java 开发者：在 Java 项目开发过程中，尤其是在需要缓存机制来优化性能的场景下，Java 开发者可以使用 LoadingCache 。
  • 应用于各类系统：如 Web 应用程序、后端服务系统、数据处理系统等，只要存在对数据进行缓存加速需求的场景，开发人员都可以考虑使用 LoadingCache。例如，一个企业内部的员工信息管理系统，频繁查询员工基础信息时，使用 LoadingCache 来缓存员工信息数据。

4. When（什么时候用）

  • 数据相对静态：数据更新频率较低，但是访问频率很高的场景。比如在一个在线教育平台中，课程分类信息、教师基本介绍信息等，这类数据不会频繁变动，却会被大量查询，适合用 LoadingCache 进行缓存。
  • 存在高并发读操作：在高并发的读多写少场景中，LoadingCache 可以有效应对高并发请求，避免大量请求同时打到后端数据源上。像电商平台的商品类目数据，在大促期间，大量用户浏览商品，类目数据几乎不会变化，通过 LoadingCache 缓存，能很好地应对高并发的读请求 。

5. Where（在哪里用）

  • 互联网应用：在各类互联网产品的后端服务中，像电商平台、社交平台、内容平台等，用于缓存商品信息、用户信息、帖子内容等数据 。
  • 企业级应用：在企业内部的 ERP 系统、OA 系统等，缓存员工信息、部门信息、审批流程配置等数据 。

6. How（怎么用）

  • 引入依赖 ：如果是 Maven 项目，在pom.xml文件中添加 Guava 库的依赖：

xml

XML 复制代码 
<dependency>
    <groupId>com.google.guava</groupId>
    <artifactId>guava</artifactId>
    <version>31.1-jre</version> <!-- 根据需要选择合适版本 -->
</dependency>
  • 创建 LoadingCache ：通过CacheBuilder来构建LoadingCache实例，示例代码如下：

java

运行

java 复制代码 
import com.google.common.cache.CacheBuilder;
import com.google.common.cache.LoadingCache;
import java.util.concurrent.ExecutionException;

public class LoadingCacheExample {
    public static void main(String[] args) {
        LoadingCache<String, Integer> cache = CacheBuilder.newBuilder()
                .maximumSize(100) // 设置缓存最大容量
                .build(key -> {
                    // 这里是缓存加载函数，当缓存中不存在key对应的值时，会调用此函数加载值
                    return key.length(); 
                });
        try {
            // 获取缓存值，如果缓存中不存在，会自动调用加载函数
            Integer value = cache.get("example"); 
            System.out.println(value);
        } catch (ExecutionException e) {
            e.printStackTrace();
        }
    }
}
java 复制代码 
import com.google.common.cache.CacheBuilder;
import com.google.common.cache.CacheLoader;
import com.google.common.cache.LoadingCache;
import lombok.RequiredArgsConstructor;
import lombok.extern.slf4j.Slf4j;
import org.springframework.stereotype.Service;
import java.util.List;
import java.util.Map;
import java.util.Optional;
import java.util.concurrent.ExecutionException;
import java.util.concurrent.TimeUnit;
import java.util.stream.Collectors;

/**
 * 优惠券模板缓存服务：管理优惠券模板的内存缓存，减少数据库访问
 */
@Slf4j
@Service
@RequiredArgsConstructor
public class CouponTemplateCacheService {

    // 依赖注入：优惠券模板DAO（实际项目中可能是Mapper或Repository）
    private final CouponTemplateDao couponTemplateDao;

    // 核心缓存对象：Key为模板ID，Value为模板对象（用Optional避免空指针）
    private final LoadingCache<Long, Optional<CouponTemplate>> couponTemplateCache = 
        CacheBuilder.newBuilder()
            // 1. 基础容量配置
            .initialCapacity(500)  // 初始容量：根据业务预估（如日常活跃模板约300个）
            .maximumSize(2000)    // 最大容量：防止缓存过大导致OOM（预留扩容空间）
            
            // 2. 并发控制
            .concurrencyLevel(Runtime.getRuntime().availableProcessors())  // 并发级别=CPU核心数，保证线程安全
            
            // 3. 过期策略：根据业务数据更新频率设置
            .expireAfterWrite(30, TimeUnit.MINUTES)  // 写入后30分钟过期（模板更新后30分钟内缓存失效）
            .expireAfterAccess(10, TimeUnit.MINUTES) // 10分钟未访问则过期（清理冷数据）
            
            // 4. 缓存移除通知（可选，用于监控或统计）
            .removalListener(notification -> {
                Long templateId = notification.getKey();
                String reason = notification.getCause().name(); // 移除原因：EXPIRED（过期）、SIZE（容量满）等
                log.info("优惠券模板缓存移除：templateId={}, 原因={}", templateId, reason);
            })
            
            // 5. 加载逻辑：缓存不存在时如何获取数据
            .build(new CacheLoader<Long, Optional<CouponTemplate>>() {
                /**
                 * 当缓存中没有templateId对应的数据时，自动调用此方法加载数据
                 * @param templateId 优惠券模板ID
                 * @return 数据库查询结果（用Optional包装，允许null）
                 * @throws Exception 加载过程中的异常（会被包装为ExecutionException）
                 */
                @Override
                public Optional<CouponTemplate> load(Long templateId) throws Exception {
                    log.info("缓存未命中，从数据库加载优惠券模板：templateId={}", templateId);
                    
                    // 实际业务逻辑：从数据库查询模板
                    CouponTemplate template = couponTemplateDao.selectById(templateId);
                    
                    // 若数据库中不存在，返回Optional.empty()，避免缓存null值（Guava默认不允许缓存null）
                    return Optional.ofNullable(template);
                }
            });

    /**
     * 从缓存获取单个优惠券模板
     * @param templateId 模板ID
     * @return 模板对象（可能为null，需判断）
     */
    public CouponTemplate getTemplateById(Long templateId) {
        try {
            // 调用get()方法：若缓存存在则直接返回，不存在则触发load()方法加载
            Optional<CouponTemplate> templateOpt = couponTemplateCache.get(templateId);
            return templateOpt.orElse(null); // 若Optional为空，返回null
        } catch (ExecutionException e) {
            // 处理加载过程中的异常（如数据库连接失败）
            log.error("获取优惠券模板缓存异常：templateId={}", templateId, e);
            return null; // 异常时返回null，由上层处理
        }
    }

    /**
     * 批量获取模板（减少多次缓存查询的开销）
     * @param templateIds 模板ID列表
     * @return 键为ID、值为模板的Map（不存在的ID对应值为null）
     */
    public Map<Long, CouponTemplate> getTemplatesByIds(List<Long> templateIds) {
        try {
            // 批量查询缓存：返回Map<ID, Optional<模板>>
            Map<Long, Optional<CouponTemplate>> resultMap = couponTemplateCache.getAll(templateIds);
            
            // 转换为Map<ID, 模板>，并处理空值
            return resultMap.entrySet().stream()
                    .collect(Collectors.toMap(
                            Map.Entry::getKey,
                            entry -> entry.getValue().orElse(null)
                    ));
        } catch (ExecutionException e) {
            log.error("批量获取优惠券模板缓存异常：ids={}", templateIds, e);
            return Map.of(); // 异常时返回空Map
        }
    }

    /**
     * 主动刷新缓存（当模板更新时调用，避免缓存与数据库不一致）
     * @param template 最新的模板对象
     */
    public void refreshCache(CouponTemplate template) {
        if (template == null || template.getId() == null) {
            log.warn("刷新缓存失败：模板对象或ID为空");
            return;
        }
        // 主动将新数据放入缓存，覆盖旧值（触发写入时间更新，延长过期时间）
        couponTemplateCache.put(template.getId(), Optional.of(template));
        log.info("主动刷新优惠券模板缓存：templateId={}", template.getId());
    }

    /**
     * 主动移除缓存（当模板删除时调用）
     * @param templateId 模板ID
     */
    public void removeCache(Long templateId) {
        if (templateId == null) {
            log.warn("移除缓存失败：模板ID为空");
            return;
        }
        couponTemplateCache.invalidate(templateId); // 立即从缓存中移除该条目
        log.info("主动移除优惠券模板缓存：templateId={}", templateId);
    }
}

7. How Much（有多大效果）

  • 性能提升方面：对于热点数据的查询，响应时间可以降低 80% 甚至更多。比如在一个查询商品库存的接口中，使用 LoadingCache 前响应时间平均为 200ms，使用后，对于缓存命中的请求，响应时间可以降低到 20ms 以内。
  • 资源消耗方面：能显著减少后端数据源的负载，以数据库为例，查询请求量可能会降低 50% - 80% ，减少数据库连接的占用，提升数据库的稳定性和可用性 。
相关推荐
10km1 年前
guava:支持数组(Object[])为Key的缓存实现
java·缓存·cache·数组·guava·object[]·loadingcache
热门推荐
01Multisim使用教程详尽版--(2025最新版)02UV 工具安装与国内镜像源配置指南03GitHub 镜像站点0446个Nano-banana 精选提示词，持续更新中05Spec-Kit 使用指南06UV安装并设置国内源07保姆级教程：手把手教你用Dify实现完美多轮对话（附Chatflow和提示词）082025年华为杯研赛数学建模竞赛C题完整参考论文 （含模型、MATLAB和Python代码）09VsCode远程Copilot无法使用Claude Agent问题10KGG转MP3工具|非KGM文件|解密音频